Python 使用使用fashion mnist数据集训练的模型从google images（bag）预测一类图像

我正在尝试使用TensorFlow和Keras用Python进行图像识别。我只是从Keras和机器学习开始。我已经使用fashion MNIST数据集训练了模型。我现在正试图通过使用谷歌图片的外部图像来预测这个模型。我使用的是一个包的图像。请看下面

我知道我需要加载这个新图像，强制它为灰度格式，并强制大小为28×28像素，因为这是我在训练模型时训练图像的方式。灰度和28*28

因此，我关注了一些博客并使用了下面的代码

from keras.preprocessing import image
from keras.preprocessing.image import ImageDataGenerator

img_path = 'data/bag2.jpg'

img = image.load_img(img_path,grayscale=True,target_size=(28, 28))
img_tensor = image.img_to_array(img)
img_tensor = numpy.expand_dims(img_tensor, axis=0)
img_tensor /= 255.
pyplot.imshow(img_tensor[0])
pyplot.show()
print(img_tensor.shape)

上述代码的输出如下所示

为什么背景是黄色而图像不是灰色？这是正确的吗？根据我的理解，背景应该是黑色的，图像应该是灰色的

当我试图使用下面的代码预测这个图像时，我得到的输出为零

pred = model.predict(img_tensor.reshape(-1,28, 28, 1))
print(pred.argmax())

---

提前感谢。

以上错误是使用以下代码处理的

从keras.preprocessing导入图像 从keras.preprocessing.image导入ImageDataGenerator

img_path = 'data/bag5.jpg'
img = image.load_img(img_path,color_mode='grayscale',target_size=(28, 28))
img_tensor = image.img_to_array(img)
img_tensor = numpy.expand_dims(img_tensor, axis=0)
img_tensor /= 255.

pyplot.imshow(img_tensor[0], cmap='gray')
pyplot.show()
print(img_tensor.shape)

---

如果你从来没有使用过它，

gray\u img

有什么意义？另外，您的一些代码也很重要，请编辑您的question@RandomGuy，我最初尝试加载灰色img，而不是直接加载img。但是，它给了我一个TypeError错误：应该是str、bytes或os.PathLike对象，而不是numpy.ndarray。我无法修复它，因此尝试了img=image.load\img（img\u path，grayscale=True，target\u size=（28，28）），这很有效。未注释删除了不起作用的代码。我现在已经编辑了问题中的代码。请告诉我如何获得灰色图像，因为我需要在预测时使用它。根据，

grayscale

不推荐使用。尝试使用

img=image.load\img（img\u路径，color\u mode='grayscale'，target\u size=（28,28））

。另外，

pred=model.predict（img\u tensor）

应该可以工作，无需重新调整数组。@RandomGuy，感谢您的快速响应。我查看了文档并尝试使用img=image.load\img（img\u路径，color\u mode='grayscale'，target\u size=（28,28））。它给了我和我在问题中提供的相同的黄色背景图像。不确定出了什么问题。嗯，这可能是由于加载图像时出错，然后。。。请您试用一下

img\u tensor=cv2.imread（img\u路径，cv2.imread\u灰度）

？然后，

img\u tensor=numpy。展开dims（img\u tensor，axis=0）

，依此类推